基于有向图卷积神经网络的交通预测与拥堵管控

为解决城市快速路正面临的日益严重的交通拥堵问题,提出了一种针对城市快速路的基于有向图卷积神经网络的交通预测与拥堵管控方法,该方法能够有效利用海量交通数据进行交通预测,实现拥堵的主动管控。首先,基于交通路网的空间有向性和交通流的时空特性,定义了有向的距离影响矩阵、修正欧式距离矩阵和自由流可达矩阵,构建出有向的图卷积算子,并将其应用于长短时记忆神经网络模型中,提出了能学习交通路网时空双重特性的有向图卷积-长短时记忆神经网络（Directed Graph Convolution-LSTM,DGC-LSTM）模型;其次,基于DGC-LSTM的交通预测结果识别出拥堵产生点并将其作为拥堵管控的对象;再次,采用控制进口匝道车辆输入快速路主线的手段,针对管控对象的时空特征,设计了全圈层分时段阶梯式拥堵管控策略;最后,基于上海市快速路网上布设的2 712个检测器在122个工作日每间隔5 min记录的速度、流量和占有率信息,开展实例分析,测试了DGC-LSTM模型的预测精度以及全圈层分时段阶梯式拥堵管控策略的有效性。结果表明：与传统的循环神经网络、长短时记忆神经网络相比,DGC-LSTM模型具有更高的预测精度,能将速度预测的平均绝对误差和误差标准差分别降低38%和20%以上;基于预测结果采用的全圈层分时段阶梯式拥堵管控策略能令拥堵产生点的速度提升14 km·h^-1以上,并能使拥堵的持续时长缩短40%,可阻止拥堵从产生点开始发生大范围的蔓延,降低整个路网的拥塞程度。     

新一代抽拉离心式高机动卫生防疫车的设计研究

为探索新形式下部队病媒生物防治的新需求,针对野外作战的新特点,结合平战时作业的新形势,研发了新一代卫生防疫车。经过总体结构布局,车厢结构优化,采用新型抽拉式车厢和上装模块化消杀防疫设备,以及大功率硅发电机和蓄电池组的组合供电模式,配备了消杀设备双操作模式。经过第三方评测,主要设备功能完善,性能稳定、可靠,满足技术指标要求,有利于提升中国移动医疗卫生装备的科技水平。     

桩基非对称局部冲刷条件下土体应力变化解析解

传统桩基局部冲刷坑模型主要采用对称形态的坑体来分析,然而实际问题中局部冲刷坑体常为非对称,这使得桩基处于更不利的状态。评价桩基承载力的关键之一是合理计算冲刷坑造成的土体应力状态变化。而对于桩周形成非对称冲刷坑时土体应力变化,目前仍然没有较为完善和严格的理论分析方法。针对该问题,根据已有试验得到的非对称局部冲刷坑形态,提出非对称冲刷坑内土体应力计算的平面应变简化模型;并基于弗拉曼解在半无限空间中的应用,将冲刷坑以上土体看做荷载并引起土体内应力重分布,得到非对称冲刷坑下土体应力分布计算的平面应变解析解。通过有限元中的"生死单元法"模拟非对称局部冲刷坑的形成过程,并将有限元得到的冲刷坑内土体应力结果与解析解计算结果进行对比,验证解析解的正确性。随后基于该方法考虑桩尺寸的影响,得到非对称局部冲刷坑形成后桩周土体的垂直及水平有效应力计算方法,并与有限元计算结果进行了对比。结果表明：在考虑桩尺寸时,解析解计算结果略保守。在此基础之上,对非对称冲刷坑参数的敏感性进行分析,指出桩上、下游侧冲刷深度差值对桩周土体的应力影响较大,得到了非对称冲刷坑下桩周土体的垂直有效应力及水平有效应力差的变化规律,研究结果可为工程设计提供参考。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

排阵式交叉口几何设计与信号控制协同鲁棒优化

针对排阵式交叉口在实际交通波动环境中存在车辆滞留排序区,运行效率稳定性难以保障的问题,提出了鲁棒优化方法,平衡交叉口运行的效率和稳定性。在分析排阵式交叉口运行特性的基础上,指出了其运行效率波动性与交叉口几何设计、信号控制、交通需求、饱和流率和运行车速这5个因素有关。确定了将交通需求、饱和流率和运行车速这3个客观波动因素作为模型的输入参数,将几何设计和信号控制这2个可受设计人员控制的要素作为模型的优化控制变量进行协同优化的模型框架。在此基础上,以交叉口车均延误条件风险值最小为目标,考虑了各流向车道数、信号相位相序、排序区车辆清空等方面的约束条件,构建了基于情景的鲁棒优化模型,并建立了遗传算法对模型进行求解。通过案例分析,对鲁棒优化模型的置信水平取值和算法准确性进行了分析,证明了算法可以使目标函数收敛到最小值,并基于蒙特卡洛模拟对优化效益进行了检验。研究发现,所建立的几何设计与信号控制协同鲁棒优化模型可实现在交通需求和供给的波动下,对排阵式交叉口的车道功能、排序区长度以及主、预信号控制进行协同优化。相较于确定性的设计方法,在平均延误层面基本维持原有水平,但对延误标准差和最大值有着较为明显的改善,案例中分别减少了48%和23%。     

基于子结构的大型桥梁有限元模型修正方法

实际桥梁结构的整体有限元模型修正时自由度和单元数量较多,待修正参数多,有限元模型修正精度和效率低。为了提高有限元模型修正的效率,提出基于子结构的有限元模型修正方法。子结构方法是化整体分析为局部分析的方法,与直接修正大型桥梁有限元模型相比,子结构方法只需要计算每个子结构少量低阶模态,得到整体结构的特征解及特征解灵敏度,形成模型修正的目标方程和灵敏度矩阵,进而缩短模型修正时间。将基于子结构的模型修正方法用于怒江特大桥主桥(上承式钢桁拱桥)有限元模型修正,结果表明:修正后桥梁的前10阶频率与桥梁的模拟实测频率值相吻合,且模型修正时间仅为传统整体方法的56%。     

引江济淮工程派河口船闸通航水流条件及改善措施

派河口船闸是引江济淮派河口枢纽重要组成部分,位于派河入巢湖口门段,建设条件复杂。综合已有工程、河道边界和相关规划,提出了复线船闸平面布置初拟方案。采用定床河工模型试验的技术手段对船闸下游引航道与口门区通航水流条件开展了详尽研究,探明了节制闸泄洪时下游通航水域纵向和横向表面流速、流态特征,分析了通航水流条件不满足规范要求的原因,指出可通过岸线平顺、新开泄洪分流通道和控制临界安全泄洪流量等措施进行改善。优化后的方案可满足设计要求,为工程设计和今后运行管理提供技术支撑。     

复杂地质条件下PHC桩可打性与实际沉桩全程动测对比分析

针对复杂地质条件下经常出现基桩难以入土至设计高程等异常情况影响施工的问题,研究了基桩可打性和沉桩过程质量控制方法。基于坦桑尼亚达累斯萨拉姆港改扩建工程,采用对典型地质钻孔处桩基进行GRLWEAP可打性和沉桩过程高应变全程动测对比分析的方法,得出结论:利用全程动测结果可以对可打性分析中的土层参数进行更符合实际的修正。研究结果表明:参考类似土层参数修正值进行调整后的GRLWEAP可打性分析和高应变全程动测不仅能为PHC桩沉桩施工提供理论支持,还能实时监控沉桩过程以进行质量控制。     

基于元胞自动机的高速铁路列车群追踪运行仿真模型

为分析高速铁路列车在追踪间隔缩小时的运行状态,根据准移动闭塞系统原理,设置列车区间运行和车站运行的演化规则,建立准移动闭塞条件下基于元胞自动机的列车群追踪运行仿真模型。利用元胞自动机对京沪高速铁路线路"上海虹桥—南京南"运行图中追踪运行的10列车进行建模仿真,分析仿真结果验证到达间隔时间是制约追踪间隔的瓶颈,并得出后行列车满足追踪间隔4 min或3 min的情况下,其运行速度不受前行列车的干扰。     

列车网络控制系统时延特性研究

针对列车网络控制系统在列车运行中产生的时延问题,通过搭建列车网络控制系统时延测试模拟平台,研究列车通信过程中控制系统的时延特性。根据时延特性分析出TCN网络各子系统的时延影响因素。重点研究任务周期与源端口特征周期对网络控制系统时延的影响。利用TCN网络分析仪测出系统时延,结合所得数据归纳出系统时延的变化规律。通过分析任务周期与特征周期的匹配关系对系统时延的影响,获得减少时延抖动的方法,达到减小网络控制系统时延的目的。